本发明涉及用于训练神经网络系统的方法、系统和装置,包括在计算机存储介质上编码的计算机程序,该神经网络系统用于控制与环境交互的代理执行指定任务。所述方法之一包括:使代理执行任务情节,其中代理尝试执行指定任务;针对序列中的一个或多个特定时间步中的每个时间步:根据(i)在该时间步处的实际奖励,和(ii)在序列中在特定时间步之后多于时间步阈值数目的一个或多个时间步处的值预测,生成针对特定时间步的修改奖励;以及通过强化学习,通过使用至少针对特定时间步的修改奖励来训练所述神经网络系统。
声明:
“通过使用时间值传递在长时间尺度上控制代理” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)